滚动轴承复合故障诊断的自适应方法研究

作者:马新娜;杨绍普 刊名:《振动与冲击》 上传者:闫慧

【摘要】铁路货车滚动轴承检测中多种故障共存的情况普遍存在。针对单通道情况下复合故障难分离和诊断的问题,提出了基于陷波器的自适应复合故障诊断方法。该方法首先对滚动轴承的复合故障振动信号进行经验模态分解(Empirical Mode Decomposition,EMD),根据各个本征模态函数与原始信号的相关系数最大化原则对信号进行重构,进一步通过频谱分析识别出滚动轴承主故障。在此基础上,利用自适应陷波器系统对原始振动信号的主故障信号进行陷波处理。然后再对筛去主故障信息的信号进行次故障诊断。通过仿真和实验分析,结果表明基于陷波器的自适应复合故障诊断方法能在一定程度上满足复合故障信号分离和故障诊断的要求,具有一定的实用性。

全文阅读

滚动轴承是旋转机械设备中的常见零部件,其运行状态直接影响着整个系统的性能。因此,对滚动轴承的状态监测和故障诊断是十分有必要的[1]。针对滚动轴承单一故障的特征提取,研究人员提出了共振解调[2]、小波变换[3-4]、快速谱峭度[5]以及经验模态[6]等方法,并取得了较好的应用效果。但在铁路车辆检修过程中,同一个滚动轴承多种故障并存的现象普遍存在。对多种故障形成的复合信号进行分离是正确判断复合故障的前提[7-9]。Anton等[10-11]提出的盲源信号分离方法有较好的效果,但状态监测的实际环境往往不能满足多通道检测的需求。沈国际等[12-13]研究发现,复合故障形成的多源振动信号并不一定具备利用经验模态方法正确分解的充分条件。胥永刚等[14-16]研究了小波在复合故障诊断中的应用,但是小波基的选择和分解层次的确定具有很大难度。在分析复合信号频率特征基础上,结合滚动轴承复合故障特征,利用陷波器对信号的过滤作用,提出了基于陷波器的滚动轴承复合故障诊断的自适应方法,用于研究轴承复合故障的分离与诊断问题。通过大量的仿真和实例分析,表明基于陷变器的自适应诊断方法能较好地分离复合故障,具有一定的应用价值。1自适应陷波器陷波器是一种特殊的滤波器,理想情况下其阻带只有一个频率点。理想陷波器的频率特征只在陷波频率处等于1,其他频率处为0[17]。理想陷波器的设计必须满足两个基本条件[18]:(1)为使陷波器在陷波频率处的衰减无穷大,传递函数z的零点在单位圆上。即传递函数的分子多项式系数具有对称性:A(z-1)=1+a1z-1+a2z-2+…+anz-n+…+a2z-2n+2+a1z-2n+1+z-2n(2)为保证陷波器只在陷波频率处有效,对其他频率信号无效,传递函数的零极点要相互匹配。即零点位置Pi和极点位置Zi满足如下关系:Pi=-1Zi,i=1,2,…,n其中,为陷波带宽的大小。自适应陷波器能使陷波频率跟随输入信号自动变化。自适应陷波器的传递函数为:H(z-1)=A(z-1)B(z-1)B(z-1)=1+a1z-1+2a2z-2+…+nanz-n+…+2n-2a2z-2n+2+2n-1a1z-2n+1+2nz-2n自适应陷波器的陷波频率为:fi=12Tangle(ZiA(z-1)=0),i=1,2,…,n因为自适应陷波器计算量小且平、摒弃了小波变换中的基函数选择问题,逐渐广泛的应用于信号分析中固定信号的提取或滤除。2自适应故障诊断方法当轴承表面发生多个故障,在滚动体和内环、外环相互作用的运动过程中,形成相互叠加的复合故障。复合故障中不同故障的故障特征频谱结构和时间尺度不同。采用整体频域的分析只能将复合故障信号的特征表达在同一分析过程中,能量小、信号弱的故障特征可能被能量大、信号强的故障特征或噪声信号所淹没。因此,应该尽可能的将复合故障信号特征进行分离,表达在不同的频域后,再通过频谱分析,有针对的提取某一种故障特征。假设滚动轴承的复合故障由多种典型故障构成,将故障特征最明显,易提取的故障称为主故障;将故障信号较明显,不易提取的故障称为次1故障;将故障信号微弱,不易提取的故障称为次2故障。以此类推,按照故障信号的特征强弱进行逐个命名分析。利用自适应陷波器的滤波作用,将逐个识别出的故障信号从振动信号中滤除,再进一步分析下一种故障。以达到分离复合故障的目的。归纳为基于陷波器的自适应故障诊断方法,流程图如图1所示。图1自适应故障诊断流程图Fig.1Theprocedureofadaptivefaultdiagnosis首先利用经验模态分解技术(EMD)[19]根据信号的时

参考文献

引证文献

问答

我要提问